Функции потерь для классификации
- Статья представляет различные функции потерь для классификации.
- Функция потерь определяет меру ошибки классификации.
- Функции потерь могут быть выпуклыми, линейно возрастающими или квазивыпуклыми.
- Выбор функции потерь влияет на регуляризацию и улучшение ROC-кривой конечного классификатора.
- Квадратичная потеря имеет тенденцию чрезмерно наказывать за выбросы и может быть использована для перекрестной проверки параметров регуляризации.
- Логистическая функция потерь менее чувствительна к выбросам и используется в алгоритме LogitBoost.
- Экспоненциальные потери являются выпуклыми и экспоненциально возрастающими, делая их более чувствительными к выбросам.
- Потеря шарнира обеспечивает жесткую, выпуклую верхнюю границу функции индикатора 0-1 и может быть использована с методами субградиентного спуска.
- Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.
Полный текст статьи: